A 股、ETF、期货、期权数据本地化管道：基于 Tushare Pro 拉取数据，以 Parquet 分区存储，DuckDB 提供快速本地查询，支持增量同步与定时调度。
它和 zer0factor 是配套关系：
zer0share：负责本地 A 股数据采集、同步和查询zer0factor：负责因子规范、因子生成、预处理、评估和存储
直接调 Tushare Pro 做研究有两个痛点：每次查询消耗积分，批量回测时 API 限速拖慢迭代。zer0share 把数据落到本地，查询走 DuckDB，既省积分又快。
| 直接调 Tushare Pro | zer0share 本地查询 | |
|---|---|---|
| 积分消耗 | 每次请求消耗 | 零消耗 |
| 网络依赖 | 必须联网 | 离线可用 |
| 查询速度 | 受 API 限速 | DuckDB 本地毫秒级 |
| 数据一致性 | 取决于调用时机 | 快照固定，结果可复现 |
- A 股数据：交易日历、基础信息、日线、复权因子、每日指标、ST、停复牌、涨跌停、指数成分、申万/中信行业、申万行业指数日线
- ETF 数据：ETF 基础信息、日线行情、复权因子、份额规模、持仓组合
- 期货 & 期权数据：期货合约、日线、持仓排名、仓单、结算、主连映射；期权合约与日线行情
- 分钟线（可选）：接入 RiceQuant 数据源同步股票 / ETF 分钟线
- 本地优先存储：Parquet 分区文件 + DuckDB 元数据，无需数据库服务
- Tushare-like 查询：本地
pro_api()直接返回 DataFrame，不消耗 Tushare 积分 - 复权行情：本地
pro_bar()支持不复权、前复权（qfq）和后复权（hfq） - 股票池构建：研究基础池、交易基础池、沪深300/中证500/中证1000等交易池
- 数据质检：本地表级质量检查，生成详细报告
- 自动化运维：APScheduler 定时同步，支持企业微信失败告警
前置要求：
git clone https://github.com/zer0quant/zer0share.git
cd zer0share
uv synccp config/settings.example.toml config/settings.toml[tushare]
token = "your_tushare_token_here"
[paths]
data_dir = "data" # Parquet 存储目录
db_path = "db/meta.duckdb" # DuckDB 文件路径
log_path = "logs/pipeline.log"
[scheduler]
# 每个表单独配置触发时间（HH:MM），完整示例见 config/settings.example.toml
[notifier]
wecom_webhook_url = "https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=YOUR_KEY"
enabled = false # 填写真实 webhook_url 后改为 true# 1. 首次同步（建议先用小区间验证 Tushare 权限，再全量回填，详见同步指南）
uv run python main.py sync --all
# 2. 查看各表同步状态
uv run python main.py status
# 3. 构建股票池（默认从 2016-01-01 增量构建到今天）
uv run python main.py build-universe
# 4. 本地查询，不消耗积分
uv run python -c "
from zer0share import pro_api
pro = pro_api()
print(pro.daily(ts_code='000001.SZ', start_date='20240101', end_date='20240131'))
"同步顺序、逐表命令和定时调度部署见同步指南。
同步完成后，用类似 Tushare Pro 的接口查询本地数据：
from zer0share import pro_api
pro = pro_api()
daily = pro.daily(ts_code="000001.SZ", start_date="20240101", end_date="20240331")
qfq = pro.pro_bar(ts_code="000001.SZ", start_date="20240101", end_date="20240331", adj="qfq")
hs300 = pro.index_weight(index_code="399300.SZ", start_date="20240101", end_date="20240131")
pool = pro.universe("univ_trade_hs300", trade_date="20240131")
fut_bar = pro.fut_daily(ts_code="RB2410.SHFE", start_date="20240101", end_date="20240331")
opt_bar = pro.opt_daily(ts_code="10004462.SH", start_date="20240101", end_date="20240131")全部 30+ 个查询方法、完整示例和冒烟测试见本地查询 API 文档。
仓库还内置 AI Skill（skills/zer0share-data），支持让 Codex、Claude Code 等智能体把中文自然语言数据请求转成本地查询流程。
| 命令 | 说明 |
|---|---|
sync --table <name> |
增量同步单个表（全部 30+ 个表见同步指南） |
sync --all |
按顺序同步全部 |
sync --stock / --etf / --futures / --options |
按专题分组同步 |
sync --ricequant |
同步 RiceQuant 分钟线（可选，需 RiceQuant 账号） |
build-universe [--date / --start-date / --end-date] |
构建股票池（详见股票池文档） |
status |
查看各表最后同步时间 |
quality check [--all / --market / --table] |
本地数据质检，报告写入 reports/quality/ |
scheduler start |
启动定时调度 |
所有命令通过 uv run python main.py <命令> 执行，加 --help 查看完整参数。
zer0share/
├── main.py # CLI 入口
├── zer0share/
│ ├── api.py # 本地 Tushare-like 查询 API
│ ├── catalog.py # 本地表结构、路径和查询规格
│ ├── cli.py # Click CLI 实现
│ ├── fetcher.py # Tushare API 封装
│ ├── pipeline.py # 同步任务编排
│ ├── sync/ # 各专题同步任务
│ ├── query/ # 本地查询实现
│ ├── quality/ # 数据质检
│ ├── universe.py # 股票池构建
│ ├── scheduler.py # APScheduler 定时任务
│ ├── notifier.py # 企业微信告警
│ └── storage.py # Parquet 读写 + DuckDB MetaStore
├── config/ # settings.example.toml
├── docs/ # 文档
├── examples/ # 按专题分类的本地查询冒烟测试
├── skills/ # zer0share-data AI Skill
└── tests/ # pytest 测试套件
- 同步指南：积分要求、全部同步表、首次同步顺序和定时调度部署
- 本地查询 API：全部查询方法、完整示例和冒烟测试
- 股票池构建：6 个股票池的定义和过滤规则
- 数据存储结构：Parquet 分区布局和 DuckDB 元数据
- examples/README.md：示例脚本清单和默认参数
- RiceQuant 分钟线：可选分钟线数据源的配置、同步和查询
- 开发笔记：记录设计过程和踩坑的系列文章目录
uv sync --dev
uv run pytest # 运行测试
uv run pytest tests/test_pipeline.py -v # 运行单个测试文件我持续记录这个项目的设计过程、踩坑记录和后续扩展：
- 开发笔记目录：所有文章的索引，跟踪开发进度从这里开始
- 微信公众号「极客投研笔记」：同步更新，欢迎关注
如果你对 AI + 量化投研、本地量化数据系统、因子研究工作流感兴趣，欢迎交流。
本项目仅用于研究和工程实验，不构成任何投资建议。数据来自 Tushare Pro，使用请遵守其服务条款。
MIT。详见 LICENSE。